-
公开(公告)号：CN112329873A
公开(公告)日：2021-02-05
申请号：CN202011261491.7
申请日：2020-11-12
Applicant: 苏州挚途科技有限公司
Abstract: 本申请提供了一种目标检测模型的训练方法、目标检测方法及装置，方法包括：获取训练样本集；训练样本集中的样本为包含对象的图像；每个图像标注有对象对应的真实边界框；将训练样本集中的样本输入至预设神经网络模型中进行训练，得到对象对应的预测边界框；基于对象对应的真实边界框、预测边界框和预设损失函数计算模型误差损失，并基于模型误差损失调整模型参数；预设损失函数为基于边界框面积、边界框中心点距离和边界框宽高比确定的函数关系；当模型误差损失收敛时，终止模型训练，得到训练好的目标检测模型。本申请能够提高模型的收敛速度，提高模型的目标检测精准度。
-
公开(公告)号：CN114373170B
公开(公告)日：2025-04-22
申请号：CN202111532978.9
申请日：2021-12-15
Applicant: 苏州挚途科技有限公司 , 挚途(上海)智能科技有限公司
Abstract: 本发明提供了一种伪3D边界框构建的方法、装置及电子设备，涉及图像处理的技术领域，通过获取交通摄像头采集的交通场景的视频数据，并从视频数据中提取目标车辆对应的车辆图像，基于所采集的车辆图像中的车身2D检测框、上半车身2D检测框和车端2D检测框构建目标车辆对应的伪3D边界框，该技术方案仅依靠2D视觉检测技术即可实现，其技术原理相对成熟可靠、实际操作简单、技术成本低、应用场景广泛。
-
公开(公告)号：CN112329873B
公开(公告)日：2024-09-06
申请号：CN202011261491.7
申请日：2020-11-12
Applicant: 苏州挚途科技有限公司
IPC: G06V10/774 , G06V10/764 , G06V20/56
Abstract: 本申请提供了一种目标检测模型的训练方法、目标检测方法及装置，方法包括：获取训练样本集；训练样本集中的样本为包含对象的图像；每个图像标注有对象对应的真实边界框；将训练样本集中的样本输入至预设神经网络模型中进行训练，得到对象对应的预测边界框；基于对象对应的真实边界框、预测边界框和预设损失函数计算模型误差损失，并基于模型误差损失调整模型参数；预设损失函数为基于边界框面积、边界框中心点距离和边界框宽高比确定的函数关系；当模型误差损失收敛时，终止模型训练，得到训练好的目标检测模型。本申请能够提高模型的收敛速度，提高模型的目标检测精准度。
-
公开(公告)号：CN114373170A
公开(公告)日：2022-04-19
申请号：CN202111532978.9
申请日：2021-12-15
Applicant: 苏州挚途科技有限公司 , 挚途(上海)智能科技有限公司
Abstract: 本发明提供了一种伪3D边界框构建的方法、装置及电子设备，涉及图像处理的技术领域，通过获取交通摄像头采集的交通场景的视频数据，并从视频数据中提取目标车辆对应的车辆图像，基于所采集的车辆图像中的车身2D检测框、上半车身2D检测框和车端2D检测框构建目标车辆对应的伪3D边界框，该技术方案仅依靠2D视觉检测技术即可实现，其技术原理相对成熟可靠、实际操作简单、技术成本低、应用场景广泛。
-
-
-
Search Results
4
records
(took 0.02 seconds)
